不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

不同融合算法对ETM+遥感影像融合效果对比研究——以陕西安塞县和永寿县为例

为了对比不同融合算法在提取试验地地类信息的效果,采用Brovey、HSV、PC、Gram-Schmit、和Wavelet融合算法对安塞县和永寿地区的2幅ETM+遥感影像进行融合,并采用信息熵、标准差、偏差指数和相关系数进行了融合效果评价。结果表明:就空间信息量而言,经过HSV变换的图像具有最大的空间信息,而经过Brovey变换的图像,其空间信息最低,其他融合算法则在空间信息量上差别不大;就原光谱信息的保真能力而言,经过HSV变化的图像,其光谱保真能力最差,其他算法之间的光谱保真能力相差不大。     

基于面向对象方法的GF-2影像桉树林信息提取

高分2号(GF-2)是中国研制的空间分辨率最高的民用遥感卫星。为探讨GF-2遥感数据对林业资源信息的监测能力,以广西横县平朗乡桉树Eucalyptus林为研究对象,基于面向对象的图像分析方法,通过对影像多种特征的分析与提取,建立桉树林信息提取的知识规则,实现桉树林空间分布的准确提取,最终桉树林提取的用户精度和生产者精度分别达81.4%和86.4%。结果表明:利用GF-2数据基于面向对象思想的桉树林提取精度能够满足林业部门对于快速准确提取林业资源信息的生产需求。GF-2卫星因其高时空分辨率的特性可作为林业资源覆盖变化多尺度高精度检测的重要数据源。     

陕北黄土丘陵沟壑区ALOS遥感影像融合方法研究

【目的】通过几种遥感影像融合方法的比较,筛选适合于陕北黄土丘陵沟壑区遥感影像处理的融合方法。【方法】利用ALOS全色波段与多光谱影像,通过主成分变换、乘法变换和Brovey变换等3种融合方法,对陕北黄土丘陵沟壑区遥感影像进行融合,并对融合后的影像进行效果评价。【结果】所有融合处理图像的标准差和信息熵多大于原始影像,融合后图像的信息量大大增加,其中Brovey变换法在提高目视效果和识别精度方面优于其他2种融合方法。【结论】3种变换融合方法中,Brovey变换更适合于陕北黄土丘陵沟壑区ALOS遥感影像的融合,同时也为提高该区遥感影像的解译精度奠定了基础。     

Quickbird影像3种常用融合方法和评价

利用Quickbird多光谱影像和全色波段影像,借助ENVI遥感图像处理软件,从主观角度和定量的方法分析该影像3种融合方法的优缺点。结果表明:HSV和Brovey变化的视觉效果优于PCA变换;HSV与Brovey变换结果光谱保持能力类似,PCA融合的图像灰度级分布离散性优于HSV融合优于Brovey变换。     

基于乡镇尺度Landsat8 OLI影像融合算法适应性研究

本文利用OIF因子选择乡镇尺度下Landsat8 OLI影像MS最优波段组合,在此基础上,研究OLI影像MS波段与PAN波段对6种融合算法：Brovey法、PCA法、Daubechies小波变换法、Coifet小波变换法、HIS与小波相结合的变换法、PCA与小波相结合的变换法融合的适应性,并对融合前后影像进行SVM分类,以验证融合结果在实际生产应用中的有效性。结果表明：B456为7波段35种组合方式中最佳波段组合,其OIF值为27.842;对融合前后影像进行定性和定量精度评价,OLI影像对PCA算法融合适应性最强,各精度指标均占优;Daubechies小波算法光谱扭曲度最小;HIS-wavelet算法清晰度最高;PCA-wavelet算法相关系数最高,融合结果信息含量最大;适应性最差为Brovey算法。土地利用分类精度验证结果表明：OLI影像经PCA算法融合后有助于提高分类精度。     

高分二号全色-多光谱影像融合方法对比研究

基于高分二号卫星影像,选取GS变换、自适应GS变换、主成分分析、NND融合算法、UNB融合算法、SRM算法6种主流的融合方法进行融合试验,采用目视判读和定量评价的方法对融合结果进行直接评价,通过分类精度对融合结果进行间接评价,探究适用于高分二号卫星影像的融合方法。结果表明:研究区覆盖的地物类型不同,各融合方法的效果也不同。对于水体和绿色植被区域,GSA、GS和PCA方法的光谱保真性和细节增强能力较好,这3种方法适用于目视解译;从地物分类的角度来说,SRM方法的分类精度最高,适合用于地物分类方面的应用;UNB融合方法效果适中,可用作高分二号卫星影像融合的替补方法;而NND方法会出现轻微光谱失真现象,且其分类精度偏低,在实际应用中则不建议采用。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

ALOS影像融合方法的比较

采用Brovey变换、乘积变换和主成分变换3种融合方法,双线性内插法、三次卷积法和最邻近插值法3种重采样方法对ALOS影像进行融合处理,以目视比较和定量分析对融合后的影像进行评价。结果表明,Brovey变换与双线性内插法的效果优于其他变换方法和重采样方法。     

基于地表覆盖分类的IKONOS影像融合算法分析与评价

不同的遥感影像融合算法有不同的优点和局限性,因此难以单纯评价某种算法的优劣,融合算法的选择与研究对象和应用目的有着密切的关系。在概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换及Gram-Schmidt变换5种图像融合算法原理的基础上,对IKONOS全色和多光谱数据进行像元级融合,并对融合效果进行了定性和定量评价。在此基础上,对融合影像进行最大似然法分类,利用混淆矩阵对分类结果进行精度分析,以期找出适合于地表覆盖分类的IKONOS影像融合算法。结果表明,在图像空间信息提高和光谱信息保真方面,以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换。在上述5种变换中,SFIM及Gram-Schmidt变换后融合影像地表覆盖分类精度较高,总体精度均超过98%,Gram-Schmidt变换的分类精度略高于SFIM变换,IHS变换后融合影像的分类精度最低,其总体精度和Kappa系数分别为83.14%和0.76。因此,利用Gram-Schmidt变换和SFIM变换得到的IKONOS融合影像更有利于提高地表覆盖分类精度。     

基于国产高时空分辨率卫星影像的作物种植信息提取研究

在面向对象技术支持下,首先利用高空间分辨率ZY-3遥感影像提取农田地块专题信息;然后在地块边界控制下以地块对象为单元融入HJ-1及GF-1中分传感器的多时相光谱信息,获取作物生长关键期内的时间序列光谱特征;最后,结合不同作物的物候差异性规律构建作物种植信息提取模型,对甘蔗和水稻进行识别。结果表明,所有地类的总体分类精度为86.80%,Kappa系数为0.84,总体分类效果良好。甘蔗的制图精度和用户精度分别达到92.11%和90.91%,水稻的制图精度和用户精度分别达到88.89%和90.91%。说明协同利用国产卫星的高空间和高时间分辨率影像数据提取作物种植信息确实可行,可作为作物种植面积和种植结构的精细化、快速调查方法。     

基于GF-1号遥感影像的微小水体信息提取研究——以岔口流域为例

针对不同因素影响,山区微小水体提取效果不佳的问题,选用2016年9月1日GF-1号卫星遥感影像,运用NDWI、SWI决策树、SVM分类3种不同方法对位于黄土高原沟壑区的山西省岔口流域的微小水体进行了提取,并对提取效果进行视觉对比与精度验证。结果表明,相比中低分辨率遥感影像,高分辨率遥感影像对于山区微小水体的提取结果更好,精度更高,可运用GF-1号影像进行流域水体的监测、提取;影响流域水体提取的主要因素是亮色地物(主要为建筑物)和阴影;NDWI、SWI决策树、SVM分类3种方法中,NDWI方式提取的水体信息较弱,SWI决策树与SVM分类法精度较高,但SWI决策树法消除了建筑物、亮色地物的影响,并较明显地区分了阴影与水体,因此更适用于流域微小水体的提取。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类,以选出最佳的分类模型;然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征,并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集,利用选出的最佳分类模型对特征集进行离散水体提取,对其精度检验结果进行对比。结果表明,对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度,Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知,Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上,对于离散水体信息提取具有积极效果。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类，以选出最佳的分类模型；然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征，并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集，利用选出的最佳分类模型对特征集进行离散水体提取，对其精度检验结果进行对比。结果表明，对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度，Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知，Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上，对于离散水体信息提取具有积极效果。     

面向耕地的高分一号卫星遥感影像融合方法研究

选择国产高分一号(GF-1)卫星2 m全色/8 m多光谱影像,对增强耕地信息的遥感影像融合方法进行了研究,研究所选择的融合方法包括Subtractive法、Brovey变换法、MHIS法、HCS法和Gram-Schmidt法,并从主观和客观方面对融合影像质量进行了评价,基于融合影像对研究区耕地信息的增强进行了分析。结果表明,面向耕地信息时,MHIS法融合影像最好。     

协同多源国产高分影像和面向对象方法的南方农作物遥感识别

【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF...     

GF-1卫星数据在水稻长势监测中的应用

GF-1国产高分辨率卫星遥感数据具有高空间分辨率、高时间分辨率和高光谱分辨率的优点。该研究利用GF-1卫星宽视场遥感数据,在GPS实地取样的基础上,利用增强型植被指数(EVI),提取建湖县2014年多时相水稻长势信息。结果显示,GF-1卫星宽视场影像可以清晰反映水稻长势要素,能够在遥感估产中推广应用。     

SPOT-5全色与多光谱遥感影像融合方法比较

随着遥感技术的发展,SPOT-5卫星数据以其优越的性价比,得到了较多的应用.在阐述遥感图像融合原理的基础上,以SPOT-5全色与多光谱影像为数据源,应用IHS变换、PCA融合、Brovey变换、乘积变换和HPF融合等5种比较常用的融合方法,从提高空间分辨率和保持原始图像光谱信息的角度进行了分析评价,探讨最适合于SPOT-5图像的融合方法.结果表明：在各种融合方法中,HPF与IHS融合的效果最好.     

基于IDL的遥感影像缨帽变换融合

遥感影像融合可以部分消除原始影像的冗余信息,在提高影像的空间分辨率的同时保持其多光谱信息,提高影像的质量,有利于遥感解译、纹理分析以及信息提取等。该研究介绍了基于缨帽变换的遥感影像融合算法,并采用交互式数据语言IDL(Interactive Data Language)进行了实现;同时为了验证算法的有效性,将其与ENVI平台下的几种常用的影像融合方法的融合影像进行了比较。结果表明,基于IDL的遥感影像缨帽变换融合程序执行快速稳定,可靠性高,获得的影像融合效果较好。     

基于改进BP神经网络的多分辨率遥感图像分类及对比分析

在遥感图像分类的研究中,传统的分类方法对“同物异谱”、“异物同谱”现象识别能力较差。此外,常用的BP神经网络分类存在时间长、易陷入局部极小等不足。将BP网络中的激励函数添加偏置参数、学习率进行自适应调整,并与最大似然、BP神经网络分类比较,结果表明改进的BP神经网络分类精度为89.69%,比最大似然提高了15.35%,比BP神经网络提高了23.81%。另一方面,基于改进的BP神经网络分类,对分辨率为16 m的高分一号卫星(GF-1)图像和分辨率为5.8 m的资源三号卫星(ZY-3)图像进行分类比较,并以ZY-3分类图作为检验图像,GF-1图像的分类精度达到了88.02%,各类地物的用户精度和制图精度在70%～99%之间,说明成本较低、宽幅较广的GF-1图像在地物信息获取方面可基本实现ZY-3卫星图像效果,为遥感图像地物信息提取提供了一定的参考。